machlearn_programme09 - Высшая школа экономики

реклама
Правительство Российской Федерации
Государственное образовательное бюджетное учреждение
высшего профессионального образования
«Государственный университет –
высшая школа экономики»
Факультет Бизнес-информатики
Отделение Программной инженерии
Программа дисциплины
«Методы и технологии искусственного интеллекта»
для направления 080700.62 «Бизнес-информатика»
подготовки бакалавров
Автор программы
д.ф.-м.н., профессор Воронова Л.И.
lvoronova@hse.ru
Рекомендована секцией УМС по Бизнесинформатике
Председатель
_________________ Ю.В.Таратухина
"____" _________________ 2010 г.
Одобрена на заседании
кафедры Управления разработкой
программного обеспечения
Зав. кафедрой
________________ С.М.Авдошин
"____" _________________ 2010 г.
Утверждена Ученым Советом
факультета Бизнес-информатики
Ученый секретарь
_________________ В.А. Фомичев
"____" _________________ 2010 г.
Москва
1
I. Пояснительная записка
Автор программы
профессор д.ф.-м.н. Л.И. Воронова
Общие сведения об учебном курсе
Дисциплина читается студентам бакалавриата отделения программной инженерии
факультета бизнес-информатики ГУ-ВШЭ. Она относится к блоку общих математических и
естественно-научных
дисциплин
и
является
дисциплиной
по
выбору
национально-
регионального(вузовского) компонента (ЕН.В.003) и читается во втором и третьем модулях
третьего курса. Количество кредитов – 3. Продолжительность курса составляет 54 аудиторных
учебных часа, в том числе: 28 часов лекционных занятий и 26 часов практических занятий; на
самостоятельную работу отводится 54 часа. Формы текущего контроля – домашнее задание и
контрольная работа. Итоговый контроль – зачет по окончании третьего модуля.
Требования к студентам
Изучение дисциплины требует предварительных знаний в объеме первых курсов
стандартной
бакалавриат-программы,
основам
дифференциального
и
интегрального
исчисления, а также таких учебных дисциплин как “Дискретная математика”, “Информатика
и программирование”, “Объектно-ориентированный анализ и программирование”.
Цель курса
Целью преподавания дисциплины "Методы и технологии искусственного интеллекта"
является формирование у студентов профессиональных компетенций, на основе теоретических
знаний и практических навыков в области в области искусственного интеллекта, позволяющих
обеспечить проектирование и реализацию интеллектуальных агентов — автономных
искусственных систем, способных к анализу ситуации, принятию решения и его выполнению.
Аннотация
Дисциплина «Методы и технологии искусственного интеллекта» ориентирована на
изучение основных парадигм в области искусственного интеллекта (Artificial Intelligence, AI),
методов и технологий проектирования, реализации и анализа интеллектуальных агентов.
Автономные
интеллектуальные
агенты
являются
программными
системами
и/или
физическими устройствами, оснащенными сенсорами и манипуляторами. Интеллектуальная
система должна воспринимать изменения в окружающей ее среде, действовать рационально с
целью выполнения поставленных перед ней задач, взаимодействовать с другими агентами и с
человеком. Эти способности последовательно рассматриваются во всех разделах курса.
Способности интеллектуальных систем основываются на большом наборе общих и
специализированных методов представления знаний, механизмах рассуждения и решения
задач, алгоритмах поиска и методах машинного обучения, которые составляют основное
содержание дисциплины и кумулятивно изучаются на протяжении всего курса.
Кроме того, в курсе предусмотрен обзор возможностей, которые предоставляет
искусственный интеллект для решения задач, которые сложно или нерационально решать с
помощью других методов. Эти задачи включают в себя эвристический поиск и алгоритмы
планирования, формализмы для представления знаний и рассуждения, методы обучения
машины, методы очувствления, проблемы распознавания речи и понимания естественного
языка, компьютерное зрение, робототехника и другие.
Учащийся должен быть в состоянии определить, в каких случаях методы искусственного
интеллекта применимы для данной задачи, выбрать походящий метод и реализовать его.
Содержание курса соответствует своду знаний по искусственному интеллекту и
интеллектуальным системам (IS), описанному в документе Software Engineering 2004 (SE
2004), определяющему руководящие принципы создания учебных планов для преподавания
программной инженерии в высших учебных заведениях.
Учебные задачи курса
В результате изучения дисциплины «Методы и технологии искусственного интеллекта
студенты должны:
получить базовые знания о фундаментальных моделях и методах искусственного
интеллекта, анализе их сложности и целесообразности использования;
знать основные методы применяемые интеллектуальнными агентами, для принятия
решений по выбору оптимальных действий, в том числе в условиях неопределенности;
понимать способы представления знаний, способы формирования логических
рассуждений на их основе и использовать их для принятия решений, составлению планов
автономными агентами;
уметь спроектировать и реализовать стандартного интеллектуального агента с
применением языков объекто-ориентированного и логического программирования или
инструментальных средств современных интегрированных сред.
II. Тематический план курса «Методы и технологии искусственного интеллекта»
3
№
1
2
3
4
5
6
7
8
Название темы
Всего часов Аудиторные часы
Самостопо
ятельная
Лекции
Сем. и
дисциплине
практика работа
Второй модуль (22 часа)
Обзор тематики искусственного
6
2
0
4
интеллекта
Методы принятия решений
12
4
2
6
Способы представления
12
6
2
6
знаний о мире.
Принятие решений, составление планов
14
4
2
6
Третий модуль (32 часов)
Неопределенные знания и рассуждения в
18
4
6
8
условиях неопределенности
Обучение. Методы выработки знаний.
17
3
6
8
Общение, восприятие и осуществление
19
3
8
8
действий интеллектуальными агентами
Философские и этические последствия
10
2
0
8
развития искусственного интеллекта
Итого
108
28
26
54
III. Источники информации
Список литературы
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
2. Осипов Г.С. Лекции по искусственному интеллекту М.: УРСС, 2009. - 272 с
3. Рыбина Г.В. Основы построения интеллектуальных систем /учеб. пособие М.: Финансы
и статистика, 2009.- 432 c
4. Фомичев В.А. Математические основы представления содержания посланий
компьютерных интеллектуальных агентов.- М., изд-во "ТЕИС", 2007. - 175 с.
5. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы:
Учебник.-М.:Финансы и статистика, 2006. – 424 с.
6. Дополнительная литература
7. Бочарников В.П. – Fuzzy-технология: математические основы. Практика моделирования
в экономике.- С.-Петербург: «Наука» РАН, 2004. – 328 с.
8. Рутковская Д. и др. Нейронные сети, генетические алгоритмы и нечеткие системы. –
М.:Горячая линия – Телеком, 2006. -452 с.
9. Евгенев Г.Б. Интеллектуальные системы проектирования: Учебное пособие .- М.: Издво МГТУ им. Н.Э. Баумана, 2009.- 334 с
10. Рыбина Г.В. "Теория и практика построения интегрированных экспертных систем".- М.:
ООО Издательство "Научтехлитиздат", 2008. -485 с.
11. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб.пособие для вузов. – М.: Издво МГТУ им.Баумана, 2004. -400с
12. А. Н. Швецов, Агентно-ориентированные системы: от формальных моделей к
промышленным приложениям , 2008
13. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. - СПб.:
Питер, 2000.
14. Vladimir A. Fomichov. Semantics-Oriented Natural Language Processing: Mathematical
Models and Algorithms. Springer US: New York, Dordrecht, Heidelberg, London, 2010, 354
p.; http://www.springer.com/math/applications/book/978-0-387-72924-4
15. Тарасов В.Б. Агенты, многоагентные системы, виртуальные сообщества: стратегическое
направление в информатике и искусственном интеллекте. // Новости искусственного
интеллекта: Сб.. — 1998. — № 2. — С. 5-63
16. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
17. http://aima.cs.berkeley.edu - Artificial Intelligence: A Modern Approach. (Third edition) by
Stuart Russell and Peter Norvig.
18. http://webagents.report.ru/_5FolderID_22_.html – русскоязычный сайт с информацией об
интеллектуальных агентах
19. http://raai.org/library - . Российская ассоциация искусственного интеллекта
20. http://ru.wikipedia.org/ Портал:Искусственный интеллект – информация по основным
направлениям исследований в области искусственного интеллекта.
IV. Формы контроля и структура итоговой оценки
Текущий контроль - работа на семинарах, презентация домашней работы
Промежуточный контроль - письменная контрольная работа (в конце второго модуля);
Итоговый контроль - зачет (120 мин.), состоящий из теоретической и практической части;
- итоговая оценка К по 10-балльной шкале формируется как взвешенная сумма:
K = 0,2 ПЗ + 0,2 ДЗ + 0,1 Пр + 0,2 Зт + 0,3 Зп
где ПЗ, ДЗ, Пр, Зт и Зп – 10-балльные оценки за практические занятия, домашние
задания, презентации, теоретический и практический зачет соответственно с
округлением до целого числа баллов. Перевод в пятибалльную оценку осуществляется
в соответствии со следующей таблицей.
Таблица соответствия оценок по десятибалльной и пятибалльной системе
По десятибалльной шкале
1 - неудовлетворительно
По пятибалльной системе
2 - очень плохо
3 - плохо
неудовлетворительно - 2
4 - удовлетворительно
5 - весьма удовлетворительно
6 - хорошо
7 - очень хорошо
8 - почти отлично
9 - отлично
10 - блестяще
удовлетворительно - 3
хорошо - 4
отлично - 5
5
V. Программа курса
«Методы и технологии искусственного интеллекта»
Тема 1. Искусственный интеллект как наука проектирования рациональных
агентов
Содержание темы:
 Общее определение искусственного интеллекта (ИИ). Тест Тьюринга. Подходы,
к искусственному интеллекту основанные на когнитивном моделировании, на
использовании "законов мышления", на использовании рационального агента.
 Исторический контекст развития ИИ, обзор научных дисциплин, внесших вклад
в предысторию искусственного интеллекта. Своеобразие развития ИИ, периоды успехов
и неудач. Современное состояние разработок.
 Интеллектуальные агенты. Агенты и варианты среды. Качественное поведение концепция рациональности. Показатели производительности. Рациональность.
Спецификация проблемной среды. Классификация вариантов проблемной среды.
 Структура агентов(архитектура +программа). Программы агентов. Рефлексные
агенты, основанные на модели. Агенты, основанные на цели; на полезности.
Обучающиеся агенты.
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы:
Учебник.-М.:Финансы и статистика, 2006. – 424 с.
Дополнительная литература
3. Осипов Г.С. Лекции по искусственному интеллекту М.: УРСС, 2009. - 272 с
4. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
5. http://raai.org/library - . Российская ассоциация искусственного интеллекта
6. http://ru.wikipedia.org/ Портал:Искусственный интеллект – информация по основным
направлениям исследований в области искусственного интеллекта.
Тема 2. Методы принятия решений
Содержание темы:

Решение проблем посредством поиска. Агенты, решающие задачи. Хорошо
структурированные задачи и решения. Упрощенные и реальные задачи. Измерение
производительности решения задачи.
 Стратегии неинформированного поиска: поиск: в ширину; в глубину, с
ограничением глубины, по критерию стоимости
 Стратегии информированного (эвристического) поиска. Поиск А*: минимизация
суммарной оценки стоимости решения. Эвристические функции.
 Представление задач реального мира в виде задач удовлетворения ограничений(CSP).
Структура CPS в виде графа ограничений. Интеллектуальный поиск с возвратами.
 Игры. Игра – как задача поиска. Понятие об оптимальной стратегии. Минимаксный
алгоритм. Альфа-бета-отсечение. Функции оценки. Современные игровые
программы.
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. –
М.: Издательский дом «Вильямс», 2006. – 1408с.
2. Осипов Г.С. Лекции по искусственному интеллекту М.: УРСС, 2009. - 272 с
3. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные
системы: Учебник.-М.:Финансы и статистика, 2006. – 424 с.
Дополнительная литература
4. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.
5. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
6. http://aima.cs.berkeley.edu - Artificial Intelligence: A Modern Approach. (Third edition)
by Stuart Russell and Peter Norvig
Тема 3. Методы представления знаний
Содержание темы:
 Логические агенты. Агенты, основанные на знаниях (БЗ+механизм логического
вывода). Высказывания на языке представления знаний (ЯПЗ). Логика - как средство
представления знаний.
 Требования к ЯПЗ. Пропозициональная логика как пример простого ЯПЗ.
Синтаксис, семантика, логический вывод: эквивалентность, допустимость и
выполнимость Шаблоны формирования рассуждений в пропозициональной логике.
Пропозициональная резолюция. Прямой и обратный логический вывод. Агенты,
основанные на пропозициональной логике.
 Логика первого порядка как более мощный ЯПЗ. Основные синтаксические
элементы: символы, отношения и функции. Семантика и модели логики первого порядка.
Интерпретация, термы, атомарные и сложные высказывания, кванторы. Утверждения и
запросы. Этапы инженерии знаний.
 Сравнение методов логического вывода в пропозициональной логике и логике
первого порядка. Логическое программирование. Обобщенное правило логического
вывода на основе резолюции для логики первого порядка в конъюктивной нормальной
форме(CNF).
 Онтологическая инженерия. Понятие о верхней онтологии, основанной на
категориях и исчислении событий. Системы представления общего назначения:
семантические сети, описательные логики. Наследование, таксономия.
7
 Мир покупок в Интернет. Понятия компьютерного интеллектуального агента
(КИА), мультиагентной системы (МАС). Проблема разработки языков общения КИА.
Примеры таких языков: KQML, KIF, FIPA ACL. Ограничения языка представления
содержания сообщений КИА FIPA SL CM. Использование языка-посредника.
Ограниченность выразительных возможностей языка UNL.
 Терминологические языки представления знаний и их применение к построению
онтологий. Дескриптивная логика. Лингвистический процессор. Дискурс. Языковая
система OWL. Стандартные концептуальные языки, как формальная грамматика нового
вида представления знаний о мире. Применение КИА для смысловой обработки ЕЯкомпонентов электронных документов.
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
2. Фомичев В.А. Математические основы представления содержания посланий
компьютерных интеллектуальных агентов.- М., изд-во "ТЕИС", 2007. - 175 с.
Дополнительная литература
3. Vladimir A. Fomichov. Semantics-Oriented Natural Language Processing: Mathematical
Models and Algorithms. Springer US: New York, Dordrecht, Heidelberg, London, 2010, 354
p.; http://www.springer.com/math/applications/book/978-0-387-72924-4
4. А. Н. Швецов, Агентно-ориентированные системы: от формальных моделей к
промышленным приложениям , 2008
5. Рыбина Г.В. "Теория и практика построения интегрированных экспертных систем".- М.:
ООО Издательство "Научтехлитиздат", 2008. -485 с.
6. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
7. http://webagents.report.ru/_5FolderID_22_.html – русскоязычный сайт с информацией об
интеллектуальных агентах
Тема 4. Принятие решений, составление планов
Содержание темы:
 Задача планирования. Язык задач планирования. Примеры. Планирование с помощью
поиска в пространстве состояний. Эвристики для поиска в пространстве состояний.
Графы планирования. Применение графов планирования для получения
эвристической оценки. Планирование с помощью пропозициональной логики.
Анализ различных подходов к планированию.
 Планирование и осуществление действий в реальном мире. Время, расписания и
ресурсы. Составление расписаний с ресурсными ограничениями. Планирование
иерархической сети задач. Контроль выполнения и перепланирование.
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
2. Рыбина Г.В. Основы построения интеллектуальных систем /учеб. пособие М.: Финансы
и статистика, 2009.- 432 c
Дополнительная литература
3. Осипов Г.С. Лекции по искусственному интеллекту М.: УРСС, 2009. - 272 с.
4. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
5. http://webagents.report.ru/_5FolderID_22_.html – русскоязычный сайт с информацией об
интеллектуальных агентах
6. http://raai.org/library - . Российская ассоциация искусственного интеллекта
Тема 5. Неопределенные знания и рассуждения в условиях неопределенности
Содержание темы:
 Нечеткие знания и способы их обработки. Виды нечеткости знаний, способы их
устранения и/или учета в интеллектуальных системах.
 Нечеткие множества и нечеткие выводы.
 Пример разработки компьютерной игры позиционного типа. Пример
прогнозирования развития предприятия с применением интеллектуальной
системы на базе нечеткой логики.
 Программные средства для работы с нечеткими знаниями
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы:
Учебник.-М.:Финансы и статистика, 2006. – 424 с.
3. Рутковская Д. и др. Нейронные сети, генетические алгоритмы и нечеткие системы. –
М.:Горячая линия – Телеком, 2006. -452 с
4. Бочарников В.П. – Fuzzy-технология: математические основы. Практика моделирования
в экономике.- С.-Петербург: «Наука» РАН, 2004. – 328 с
Дополнительная литература
5. Ярушкина Н.Г. Основы теории нечетких и гибридных систем: Учеб. пособие.- М.:
Финансы и статистика, 2004.- 320 с
6. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
7. http://aima.cs.berkeley.edu - Artificial Intelligence: A Modern Approach. (Third edition) by
Stuart Russell and Peter Norvig.
Тема 6. Обучение. Методы выработки знаний.
Содержание темы:
 Формы обучения. Индуктивное обучение. Формирование деревьев решений на основе
обучения. Оценка производительности обучающего алгоритма.
9
 Принципы функционирования алгоритмов обучения: теория вычислительного
обучения. Оценка количества необходимых примеров. Обучение списков решений.
 Применение знаний в обучении. Логическая формулировка задачи обучения. Примеры
и гипотезы. Поиск текущей наилучшей гипотезы.
 Обучение на основе объяснения. Нисходящие методы индуктивного обучения.
 Статистическое обучение. Нейронные сети. Элементы в нейронных сетях. Структуры
сетей.
 Однослойные нейронные сети с прямым распространением (персептроны).
 Многослойные нейронные сети с прямым распространением.
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы:
Учебник.-М.:Финансы и статистика, 2006. – 424 с.
3. Рутковская Д. и др. Нейронные сети, генетические алгоритмы и нечеткие системы. –
М.:Горячая линия – Телеком, 2006. -452 с
4. Рыбина Г.В. Основы построения интеллектуальных систем /учеб. пособие М.: Финансы
и статистика, 2009.- 432 c
Дополнительная литература
5. Рыбина Г.В. "Теория и практика построения интегрированных экспертных систем".М.: ООО Издательство "Научтехлитиздат", 2008. -485 с.
6. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб.пособие для вузов. – М.: Издво МГТУ им.Баумана, 2004. -400с
7. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
8. http://aima.cs.berkeley.edu
9. http://webagents.report.ru/_5FolderID_22_.html – русскоязычный сайт с информацией об
интеллектуальных агентах
Тема 7. Общение, восприятие и осуществление действий интеллектуальными
агентами
Содержание темы:
 Архитектуры мультиагентных систем. Коллективное поведение агентов. Способы и
причины взаимодействия между агентами. Моделирование взаимодействия в
мультиагентных системах.
 Координация поведения агентов в мультиагентной системе. Примеры мультиагентных
систем. Координация поведения на основе модели аукциона.
 Инструментальные средства для построения мультиагентных систем. Мультиагентные
системы для поиска информации. Перспективы мультиагентных технологий.
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы:
Учебник.-М.:Финансы и статистика, 2006. – 424 с.
3. Рыбина Г.В. Основы построения интеллектуальных систем /учеб. пособие М.: Финансы
и статистика, 2009.- 432 c
Дополнительная литература
4. Осипов Г.С. Лекции по искусственному интеллекту М.: УРСС, 2009. - 272 с
5. Рыбина Г.В. "Теория и практика построения интегрированных экспертных систем".М.: ООО Издательство "Научтехлитиздат", 2008. -485 с.
6. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
7. http://aima.cs.berkeley.edu
http://webagents.report.ru/_5FolderID_22_.html – русскоязычный сайт с информацией об
интеллектуальных агентах
Тема 8. Философские и этические последствия развития искусственного
интеллекта.
Содержание темы:
Слабый искусственный интеллект: могут ли машины действовать интеллектуально?
Довод, исходящий из неспособности. Возражения, основанные на принципах
математики. Довод, исходящий из неформализуемости.
Сильный искусственный интеллект: могут ли машины по-настоящему мыслить?
Проблема разума и тела.
Эксперимент "мозг в колбе". Эксперимент с протезом мозга. Китайская комната.
Этические и моральные последствия разработки искусственного интеллекта.
Основная литература
1. С.Рассел, П.Норвиг Искусственный интеллект: современный подход: Пер.с англ. – М.:
Издательский дом «Вильямс», 2006. – 1408с.
Дополнительная литература
2. Осипов Г.С. Лекции по искусственному интеллекту М.: УРСС, 2009. - 272 с
3. http://www.aiportal.ru/ - Портал искусственного интеллекта. Статьи и файлы по
основным направлениям исследований в области искусственного интеллекта.
4. http://webagents.report.ru/_5FolderID_22_.html – русскоязычный сайт с информацией об
интеллектуальных агентах
5. http://raai.org/library - . Российская ассоциация искусственного интеллекта
6. http://aima.cs.berkeley.edu - Artificial Intelligence: A Modern Approach. (Third edition) by
Stuart Russell and Peter Norvig
11
VI. Тематика заданий по формам текущего контроля
Примеры задач, предлагаемых на контрольных работах:
1.
Для каждого из следующих агентов разработайте описание PEAS среды задачи:
а)
робот-футболист;
б)
агент, совершающий покупки книг в Internet;
в)
автономный марсианский вездеход;
г)
ассистент математика, занимающийся доказательством теорем.
2. Реализуйте простого рефлексного агента для среды пылесоса. Вызовите на выполнение
имитатор среды с этим агентом для всех возможных начальных конфигураций мусора и
местоположений агента. Зарегистрируйте оценки производительности работы агента для
каждой конфигурации и определите его общую среднюю оценку
3. Покажите, что в задаче игры в восемь состояния подразделяются на два непересекающихся множества, таких, что ни одно состояние из первого множества не может
быть преобразовано в состояние из второго множества, даже с применением сколь угодно
большого количества ходов. (Подсказка) Разработайте процедуру, позволяющую узнать, к
какому множеству относится данное состояние, и объясните, для чего нужно иметь под
рукой такую процедуру, формируя состояния случайным образом.
4. Дайте характеристику основных признаков, по которым классифицируются знания
(природа знаний, способ приобретения знаний, тип представления знаний).
5. Проведите формализацию небольшого фрагмента знаний средствами логики
высказываний (логики предикатов).
6. Докажите предложенную тавтологию семантическим (синтаксическим) методом.
7. Опишите возможности применения в логическом выводе операции эквивалентности.
Приведите примеры тавтологий с эквивалентностями.
8. Опишите стратегию доказательства методом резолюции. Приведите пример.
9. Сформулируйте собственные примеры прямого и обратного вывода в ЭС продукционного
типа.
10. Приведите пример представления знаний в виде И-ИЛИ-графа.
11. Выполните формализацию знаний средствами продукционной модели, которые могут
использоваться в интеллектуальной системе для поддержки задач диагностики
экономического и финансового состояния предприятия (других задач).
12. Приведите точные формулировки каждой из перечисленных ниже задач в виде задач
удовлетворения ограничений.
а) Планирование покрытия пола прямоугольниками. Найти в большом
прямоугольнике неперекрывающиеся места для размещения меньших прямоугольников.
б) Составление расписания занятий. Определены следующие исходные данные:
постоянное количество преподавателей и классов, список предлагаемых занятий и список
возможных временных интервалов для занятий.
13. Запишите в логике первого порядка факты о мире вампуса, представленные ранее с
помощью пропозициональной логики. Насколько более компактной является новая
версия?
VII. Вопросы для оценки качества освоения дисциплины
Тема 1.
Основные подходы к определению искусственного интеллекта
Области применения и возможности использования систем ИИ
Краткий исторический обзор развития работ в области ИИ
Самостоятельно сформулируйте определения следующих понятий: агент; функция агента;
программа агента; рациональность; автономность; рефлексный агент; агент, основанный на
модели; агент на основе цели; агент на основе полезности; обучающийся агент.
Для измерения того, насколько успешно функционирует агент, используются и показатели
производительности, и функция полезности. Объясните, в чем состоит различие между
этими двумя критериями.
Тема 2.
Объясните, почему составление формулировки задачи должно осуществляться вслед за
составлением формулировки цели.
Особенности агента, решающего задачи.
Как провести измерение производительности решения задачи.
Раскрыть содержание стратегий неинформированного поиска.
Как осуществляется поиск А*?
Что такое эвристические функции?
Как строится структура CPS в виде графа ограничений?
Игра – как задача поиска. Дать пояснения.
Особенности современных игровых программ.
Тема 3.
Отличия знаний от данных
Охарактеризуйте продукционную модель представления знаний. Приведите примеры
представления знаний правилами. В чем отличия между продукционными системами с
прямыми, обратными и двунаправленными выводами?
Опишите фреймовую модель представления знаний. Приведите пример фреймового
представления.
Охарактеризуйте модель представления знаний в виде семантической сети. Расскажите об
основных видах используемых в этой модели отношений.
Какова структура логических агентов.
Каковы требования к ЯПЗ.
Особенности пропозициональной логики
Как строится пропозициональная резолюция?
13
Основные синтаксические элементы логики первого порядка?
Ограниченность выразительных возможностей класса языков логики предикатов первого
порядка
Семантика и модели логики первого порядка.
Этапы инженерии знаний.
Сравнить методы логического вывода в пропозициональной логике и логике первого
порядка.
Что такое логическое программирование?
Обобщенное правило логического вывода на основе резолюции для логики первого
порядка в конъюктивной нормальной форме(CNF).
В чем разница между онтологической инженерией и инженерией знаний?
Что такое семантические сети?
Что такое КИА и МАС?
В чем проблема разработки языков общения КИА.
Что означают аббревиатуры: KQML, KIF, FIPA ACL, FIPA SL CM, UNL, OWL?
Общая характеристика терминологических языков представления знаний
Что такое дескриптивная логика.
Области применения лингвистических процессоров
Что такое дискурс?
Особенности стандартных концептуальных языков?
Определение и использование понятия “онтология” в информатике
Тема 4.
В чем заключается задача планирования?
Описать язык задач планирования.
Как осуществляется планирование с помощью поиска в пространстве состояний?
Описать эвристики для поиска в пространстве состояний.
Для чего применяются графы планирования?
Основные этапы планирования с помощью пропозициональной логики.
Как происходит планирование иерархической сети задач.
Тема 5.
Виды нечеткости знаний, способы их устранения и/или учета в интеллектуальных
системах. Основные компоненты понятия «нечеткость»
Недетерминированность выводов. Пример алгоритма , использующего оценочные
функции, построенные на основе априорных оценок стоимости пути дл целевого
состояния.
Многозначность. Надежность знаний и выводов. Вероятностный метод оценки
надежности.
ЭС с моделью закрытого мира. Неполнота знаний и немонотонная логика. Абдукция.
Неточность знаний.
Нечеткие множества. Описать с помощью нечетких множеств понятия, человек:
«молодой», «среднего возраста», «старый»
Операции над нечеткими множествами (пересечение, объединение, дополнение,
алгебраическая сумма, произведение, разность)
Нечеткие отношения. Построить отношение «ЕСЛИ u-малое число, ТО v – большое».
Свойства нечетких отношений.
Композиция нечетких отношений. Построить максиминную свертку двух нечетких
отношений.
Нечеткие выводы. Используя композиционное правило вывода ответить на вопрос «Что
представляет собой v, если u – число около 2, и , если и V связаны отношением R?»
Тема 6.
Модель искусственного нейрона
Описать разные виды пороговых функций
Модели нейронных сетей
Перцептрон. Описать алгоритм обучения перцептрона.
Многослойные сети. Рекуррентные сети.
Модель Хопфилда. Самоорганизующиеся сети Кохонена.
Этапы построения нейронной сети
Обучение нейронных сетей
Способы реализации нейронных сетей
Практическое применение нейросетевых технологий
Формальное и интуитивное определение лингвистической переменной.
Системы нечеткой логики. Классификация.
Простые системы нечеткой логики
Системы нечеткой логики с фаззификатором и дефаззификатором
Пример системы нечеткой логики «принятие оптимального плана»
Тема 7.
Какими свойствами обладают «интеллектуальные агенты»? Дайте характеристику
архитектурам мультиагентных систем.
Сформулируйте основные проблемы, возникающие при моделировании коллективного
поведения интеллектуальных агентов.
Охарактеризуйте основные модели координации поведения агентов в мультиагентных
системах: теоретико-игровые, модели коллективного поведения автоматов, модели
планирования коллективного поведения, модели на основе BDI-архитектур, модели
координации поведения на основе конкуренции.
Сформулируйте постановки задач координации поведения агентов на основе модели
аукциона.
Проведите сравнительный анализ свойств мобильных и статических агентов.
Опишите технологию построения мультиагентных систем. Приведите примеры
инструментальных средств, предназначенных для этой цели.
Перечислите основные преимущества интеллектуальных поисковых мультиагентных
систем перед традиционными средствами поиска информации.
15
Сформулируйте содержательный пример задачи кооперации и покажите возможный
способ ее решения средствами мультиагентных технологий.
Приведите пример задачи координации коллективного поведения, для решения которой
актуально применение мультиагентных технологий. Сформулируйте принцип
координации и правила нормативного поведения агентов.
Тема 8.
Для каких задач актуально применение мультиагентных технологий? Приведите примеры
Спроектируйте виртуальный магазин. Опишите виды агентов, их функции и способы
возможной реализации.
Спроектируйте структуру мультиагентной системы для реализации конкретного
виртуального предприятия. Опишите виды агентов, их функции и способы возможной
реализации. Охарактеризуйте механизм координации поведения агентов.
Спроектируйте интеллектуальную мультиагентную систему для решения прикладной
задачи в области экономики и управления. Реализуйте спроектированную систему на ЭВМ.
Автор программы: ___________________________________ /Л.И.Воронова/
Скачать